Прогнозируем выручку, используя метрики верхних уровней воронки

Прогнозируем выручку, используя метрики верхних уровней воронки

Если вы онлайн-маркетолог и хотите улучшить конверсию каналов прямого отклика (предполагающих быструю обратную связь от клиентов), эта статья поможет вам создать такую модель прогнозирования для вашей воронки конверсии, которая позволит наилучшим образом перераспределить бюджет и принять эффективные решения относительно оптимизации бидов.

Во-первых, недостаточно привязать уровень конверсии к той или иной стадии воронки продаж. Необходимо отслеживать конверсии по всем каналам и использовать для этого подходящую технологию.

Во-вторых, вам понадобится эффективная метрика для верхних уровней воронки (показатели «ненужных просмотров», количества просмотренных страниц за посещение, средняя продолжительность нахождения на сайте и других действий, предшествующих конверсии), чтобы максимальное количество посетителей всё же добирались до дна воронки, обеспечивая должный уровень конверсий.

Недавние исследования показывают, что использование показателей по верхним уровням воронки для определения низкочастотных ключевых слов позволяют в значительной мере улучшить эффективность сайта. Вот, что для этого нужно сделать:

1. Проанализируйте динамику показателей по верхним уровням воронки конверсии

Если вы хотите получить адекватные данные для анализа, необходимо отслеживать показатели по верхним уровням воронки в течение достаточно длительного времени. Особенно, если речь идет о длинном пути до конверсии. Допустим, вы отслеживали количество подписок на вебсайт по электронной коммерции. Теперь вы хотите выяснить, есть ли связь между количеством подписок и доходом.

Первый отчет, который необходимо изучить – это отчет по ключевым словам или целевому продукту в оплачиваемом поиске, или отчет по аудитории для рекламы в соцсетях или дисплейной рекламы. Здесь вы находите данные по конечной конверсии и любые показатели, имеющие отношение к верхним уровням воронки, например, количество подписчиков на email рассылку.

Теперь необходимо нанести данные на график, чтобы увидеть зависимость конечных конверсий и выбранных показателей по верхним уровням воронки для каждого отдельного ключевого слова/целевого продукта/рекламного сообщения.

Если вы используете итоговые значения конверсий и показателей по верхним уровням воронки, вы получите много статистического шума, т.к. отдельные ключевые слова или рекламные сообщения привлекают больше трафика, чем остальные. Чтобы избежать этой проблемы, для расчета следует брать значение конверсий и показатели по верхним уровням воронки за клик.

Другая проблема, с которой вы можете столкнуться – нерелевантные данные. Их необходимо отсеять. Тогда вы сможете оценить, как показатели верхних уровней воронки соотносятся с низко- и высокочастотными ключевыми словами. Визуально график соотношения конверсий/кликов (в данном случае взята выручка за клик) к показателям верхнего уровня воронки продаж будет выглядеть следующим образом:

1

Хотя в данном случае R2 (= коэффициент детерминации) достаточно низок, определенная тенденция всё же прослеживается. Учитывая, что коэффициент наклона равен 11,07, мы можем сказать, что 1 подписка на рассылку соответствует выручке примерно в $11.07. Это грубая оценка, но для начала сойдет.

Очевидно, что говоря о корреляции этих показателей, мы понимаем, что подписка на рассылку – это не единственная составляющая конечной выручки. Но в общем целом, рассылка действительно делает существенный вклад формирование дохода, так что мы продолжим использовать эти данные и дальше.

Еще один способ – логарифмическое преобразование. С его помощью интерпретировать полученные данные станет гораздо легче. На следующем рисунке вы видите графическое изображение формулы log(Выручка за клик)=a+b*log(Подписка на рассылку за клик):

2

В данном случае показатель R2 выше, так что данные, полученные по этой модели, являются более достоверными. Возведем в степень обе части уравнения, и получим, что одна подписка соответствует примерно $3.67 конечной выручки. Хотя с помощью этого метода мы получили более наглядную модель, ее всё еще сложно использовать, если понадобится дополнительная трансформация данных.

2. Выделяем группы показателей

Как уже говорилось, корреляция не подразумевает зависимость. Отличным примером послужит случай, когда набор ключевых слов или рекламных сообщений приводили к значительному количеству кликов и подписок, но никак не сказывались на уровне конверсии. Тем не менее, интуитивно мы понимаем, что от таких кликов/рекламных сообщений толку значительно больше, чем от тех, которые вообще не генерируют метрику верхних уровней воронки.

Вернемся к нашему примеру с подписками на почтовую рассылку. Разумно будет предположить, что каждая подписка приносит от 3,67 до 11,07 долларов конечной выручки. Нам важно понять, есть ли какая-то логика в ключевых словах, которые ведут к получению не только кликов/подписок, но и, в конечном итоге, дохода.

Еще один пример того, когда конверсии на верхних уровнях воронки не обязательно ведут к получению дохода – это пробная регистрация на сайтах Интернет знакомств с последующей платной подпиской. Большинство рекламных сообщений мотивируют людей регистрироваться бесплатно, а затем оформлять платную подписку, но в итоге до второго так и не доходит. Другими словами, нужно учитывать подобные явления и объединять ключевые слова/рекламные сообщения/аудиторию в группы с общими характеристиками, чтобы создавать более точные модели для каждой из этих групп.

То есть, имеет смысл выделить различные каналы и/или форматы рекламных сообщений, группы пользователей, которым уже нравится ваша страница в соцсетях, или которые еще о ней не слышали и т.п. Чем больше групп вы выделите, тем точнее будет ваша модель. При этом слишком большое количество групп может сделать данные менее концентрированными и, соответственно, непригодными для анализа, поэтому очень важно соблюдать баланс между делением и сбором достаточного количества данных по каждой из выделенных групп.

3. Совмещайте кросс-канальные и много-задачные модели

Идея состоит в том, что пользователи проходят через разные каналы и используют разные устройства и в то же время совершают различные действия на пути к конверсии.

Короче говоря, онлайн-маркетологам предстоит определить, какие действия потенциального клиента предшествуют конверсии, и какие из них характерны для того или иного устройства/канала. Как только вы это сделаете, рассчитать конечную выручку исходя из данных по верхним уровням воронки станет гораздо проще.

Заключение

С первого раза создать кросс-канальную и много-задачную модель по расчету конечной выручки исходя из данных по верхним уровням воронки конверсии не получится. Придется разрабатывать одну модель за другой и смотреть, насколько они объективны.

Обычно это делается так: составляете прогноз исходя из текущей выручки и метрики верхних уровней, проверяете полученный прогноз, дорабатываете модель. Я считаю, это единственный путь стать успешным в мире постоянно растущего объема данных.

Автор , на 3 июня 2014 г. в Аналитика.

Расскажите друзьям:


Комментарии

Комментирование отключено.

Услуги
Спецпредложения

Подписка на блог

без спама, не чаще одного раза в неделю

Кто победит?

Google

Yandex